Planificación y optimización asistida por computadora de secuencias de ensamble mecánico
|
|
- Natividad Espejo Silva
- hace 7 años
- Vistas:
Transcripción
1 Ingenería Mecánca. Vol. 12. No.1, enero-abrl de 2009, pag ISSN Planfcacón y optmzacón asstda por computadora de secuencas de ensamble mecánco L. L. omás-garcía Recbdo el 12 de enero de 2008; aceptado el 14 de juno de 2008 Resumen El presente trabajo versa sobre la generacón, planfcacón y optmzacón de secuencas de ensamble mecánco a partr de su modelo geométrco trdmensonal. Se soporta sobre un enfoque que ntegra tanto nformacón geométrca como restrccones tecnológcas del proceso de ensamble. En el desarrollo de la msma quedó demostrado, que una vez conocdo el modelo geométrco trdmensonal de un ensamble, la aplcacón de crteros tecnológcos y geométrcos al proceso nverso de desensamble y su posteror tratamento con el método de algortmos evolutvos, genera una planfcacón optmzada del su proceso de ensamble mecánco. La ntegracón de la nformacón permte dsmnur el número de secuencas a evaluar y de elementos a procesar, con lo que se evta la generacón y evaluacón de todas las secuencas posbles con la consecuente dsmnucón del tempo de procesamento. Como resultado de la aplcacón del modelo ntegrado propuesto, se obtene la planfcacón del proceso de ensamble mecánco con una reduccón del tempo de ensamble debdo a que en las secuencas de ensamble obtendas se reduce el número de cambos de dreccón de ensamble, los cambos de herramentas y de puestos de trabajo, así como se mnmza la dstanca a recorrer debdo al cambo de puestos de trabajo. Esto se logra medante un modelo de optmzacón multobjetvo basado en algortmos evolutvos. Palabras claves: ensamble mecánco, algortmos genétcos, optmzacón multobjetvo. Computer aded Plannng and optmzaton for mechancal assembly. Abstract hs work deals wth the combnatoral problem of generatng and optmzng feasble assembly sequences and dong the process plannng nvolvng tools and work places. he assembly sequences are obtaned from a 3D model of the assembled parts based on matng condtons along wth a set of technologcal crtera, whch allows automatcally analyzng and generatng the sequences. he generated assembly sequences are preprocessed and optmzed for the assembly Process Plannng usng Genetc Algorthms. hs approach ntegrates the geometrc and technologcal nformaton of the assembly process, whch allows reducng the number of elements and sequences to be processed wth the consequent processng tme and cost reducton. Key words: mechancal assembly, genetc Aagorthms, multple crtera optmzaton 59
2 Planfcacón y optmzacón asstda por computadora de secuencas de ensamble mecánco 1. Introduccón. En la mayoría de los dseños mecáncos, el resultado es un conjunto de pezas agrupadas en un ensamble. Muchos nvestgadores como Baldwn (1997), Gottpolu (1997), Latombe (1995), Romney (1995), se dedcan a determnar las secuencas de ensamble-desensamble. Laperrere (1996), Boothroyd (1992) y Lu (2006) por su parte, solo se dedcan a evaluar las secuencas. Este últmo autor presenta un método para evaluar las secuencas de ensamble en cuanto a su capacdad relatva a ser ensamblada. Solo Kana (1996) y Yn (2004) se dedcan a determnar y evaluar las secuencas, pero este últmo lo hace medante la nteraccón y el conocmento de un experto. odos ellos basan sus trabajos en datos y restrccones geométrcas, lo que trae consgo grandes nconvenentes. Para dsmnur la complejdad del algortmo de desensamble, el enfoque de Rajner (2001) es smlar al enfoque de Mascle (1994) y se basa en nformacón tecnológca asocada a la geometría de los componentes. La nformacón tecnológca y geométrca se toma en consderacón para crear asocacones de componentes smlares o que se extragan al msmo tempo, con lo que se reduce de forma efectva el número de componentes y de secuencas a procesar. La optmzacón de un problema combnatoro y de generacón de secuencas por métodos cláscos de optmzacón es altamente complejo debdo al número de varables y restrccones a tener en cuenta. Un ntento de solucón del problema anteror lnearzado por métodos cláscos de optmzacón lo realzó Chakrabarty (1995). Luego de varos ntentos, el algortmo no lograba converger haca nnguna solucón. Basados en esta experenca y lo reportado por otros autores Kkuch (1993) con problemas smlares, no contnuaron hacendo más ntentos para la solucón de este problema por métodos cláscos de optmzacón. En los últmos años, más de 20 nuevas técncas de programacón matemátca han sdo desarrolladas para tratar la optmzacón multobjetvo. El centro prncpal de estos enfoques radca en producr una compensacón smple basada en alguna nocón de optmzacón, en lugar de producr varas alternatvas posbles de las cuales el ngenero pueda escoger (Coello, 1997). Por ésta razón, es muy mportante desarrollar nuevos procedmentos que smultáneamente satsfagan los dos objetvos contrastantes de mantener todas las secuencas váldas y reducr el tempo computaconal a valores aceptables. Los algortmos genétcos se emplearon para tratar este problema y se lograron excelentes resultados. En uno de los prmeros estudos (Bonnevlle, 1995) la poblacón ncal de cromosomas consste en una secuenca de ensamble válda propuesta por un ngenero, que las detecta basado en su experenca. Otros sstemas (Dn, 1999) por el contraro comenzan con una poblacón ncal aleatoramente generada y explota una funcón de ajuste apropada la cual toma en consderacón smultáneamente las restrccones geométrcas y otros aspectos mportantes de la optmzacón. Los sstemas anterores tenen como defcenca común que la seleccón de secuencas se hace sólo sobre la base de crteros de factbldad geométrca. Esto trae, entre otros nconvenentes, que las secuencas de ensamble encontradas, pueden tener problemas de nterferenca de las pezas con las herramentas, al no tenerlas en cuenta a la hora de ensamblar el artículo. Lo anteror tambén provoca que el espaco de búsqueda es mayor que el necesaro, al nclur secuencas no factbles tecnológcamente. Por otro lado, (Lazzern et. al, 2000) logran generar y evaluar la planfcacón del proceso de ensamble, pero la funcón de apttud tene en cuenta solo tres crteros de optmzacón que compten entre sí y la planfcacón resultante se derva del valor asgnado a cada crtero medante la expermentacón. En los últmos años, el empleo de los Algortmos Genétcos para la planfcacón del proceso de ensamble no solo encuentra el óptmo o una solucón muy cercana al óptmo, sno que esta es alcanzada con alta efcenca. Es por ello que los Algortmos Genétcos son un enfoque aceptado en la solucón del problema de la generacón y optmzacón multobjetvo de secuencas de ensamble mecánco. 60 Ingenería Mecánca. Vol. 12. No.1, enero-abrl de 2009
3 L. L. omás García 2. Optmzacón de secuencas de ensamble. El problema de la generacón y la optmzacón de secuencas de ensamble tenen la característca de ser un problema combnatoro. La optmzacón de problemas combnatoros consste en encontrar, para varables dscretas, los valores de solucón óptmos con respecto a una funcón objetvo dada. El problema general de optmzacón de secuencas de ensamble de un artículo compuesto por n elementos se ha expresado como: = ( S, Z, Ω ) mn Z Es = = p 1 (, D, ), (2) Q Es s = s (1) n ( Fs + Hs + Ps + Os + es ) j j j j j j= 1 = 1,..., p (3) n 1 k= 1 D = dstanca ) (4) s = 1,..., p ( st, s k tk + 1 n 1 Q s = q sl sl+ 1 (5) l = 1 =1,..., p 1, s exste relacon funconal q uv = entre el componente u y v. 0, sno. Donde: S : Grupo que contene las n! solucones canddatas. p: otal de secuencas solucón váldas en el conjunto S ~.z Es : empo total de ensamble de la secuenca s en segundos. D s : Dstanca de ensamble de la secuenca s en metros. Q s : Capacdad de comprobacón de la caldad en la secuenca s Es : empo total de ensamble del artículo por la secuenca s Fs j : empo de fjacón para ensamblar el elemento j de la secuenca s Hs j : empo de cambo de herramenta para ensamblar el elemento j de la secuenca s Ps j : empo de cambo de puesto de trabajo al ensamblar el elemento j de la secuenca s Os j : empo de cambo de orentacón para ensamblar el elemento j de la secuenca s es j : Otros tempos prncpales y auxlares para ensamblar el elemento j de la secuenca s s t k : Puesto de trabajo del componente k de la secuenca s s l: Componente l de la secuenca s al que: ~ s* S, ~ Z( s*) Z( s) s S, 1 p n!, q uv 0,1, u = 1,..., n 1 v = 1,..., n. { } 1 La optmzacón de este problema combnatoro de generacón de secuencas por métodos cláscos de optmzacón es altamente complejo debdo al número de varables y restrccones a tener en cuenta, por lo que la solucón de este problema por métodos cláscos de optmzacón es mpractcable. La optmzacón medante Algortmos Genétcos requere de defnr varos aspectos propos del método de solucón como son: una codfcacón de cromosomas que represente solucones al problema, una funcón de apttud para evaluar los ndvduos de la poblacón de solucones, operadores de seleccón, cruzamento y mutacón, así como parámetros que Ingenería Mecánca. Vol. 12. No.1, enero-abrl de
4 Planfcacón y optmzacón asstda por computadora de secuencas de ensamble mecánco regulan y rgen el funconamento del método de solucón como son: el tamaño de la poblacón, probabldad de cruzamento, probabldad de mutacón, número de generacones, entre otros. 3. Codfcacón de los cromosomas. Esta codfcacón queda lustrada en la Fg. 1 y se consderan las 4 seccones sguentes: Seccón 1: contene la secuenca de ensamble de los componentes. Seccón 2: contene la secuenca de las dreccones a lo largo de las cuales se realza ensamble. Seccón 3: contene la ecuenca de herramentas usadas para ensamblar y manpular los componentes del ensamble. Seccón 4: contene la secuenca de puestos de trabajo que se utlzan para ensamblar los componentes. Se puede observar que la poscón de los genes en cada seccón está estrctamente relaconada con cada una de las demás. En otras palabras, en cada seccón el k-ésmo gen representa: el códgo del componente (g k,1 ), la dreccón de ensamble (g k,2 ), la herramenta usada para ensamblar y/o manpular el componente (g k,3 ) y por últmo el puesto de trabajo que se utlza para ensamblar el componente (g k,4 ) en la k-ésma operacón de ensamble respectvamente. 4. Evaluacón, cruzamento y mutacón de los cromosomas. La apttud de cada ndvduo se evalúa sobre la base de los sguentes aspectos: factbldad de la secuenca, orentacón de los objetos, cambo de herramentas, presenca de operacones de ensamble consecutvas y smlares, comprobacón funconal de lo que está ensamblado hasta ese momento, así como el cambo de puesto de trabajo donde se realza la operacón y la dstanca recorrda durante estos cambos. Cada uno de estos aspectos se evalúa numércamente por puntos, a través de la varable (Sc ), y los msmos se calculan como una funcón de la poscón dentro de cada una de las seccones del cromosoma respectvamente. La factbldad de las secuencas se "mde" por las puntuacones Sc 1, Sc 2 y Sc 3. La puntuacón Sc 1 toma en consderacón los aspectos tecnológcos y geométrcos del producto y se obtene al contar, dentro de la seccón 1 y 2 del cromosoma, el número máxmo de componentes consecutvos y las dreccones de ensamble relatvas posconadas correctamente en la Cuan correcta es cada poscón, se verfca al usar la nformacón contenda en las relacones geométrcas y conexones entre componentes almacenadas en el modelo. La puntuacón Sc 2 consdera el uso correcto de herramentas para el ensamble; y se obtene al contar, dentro de la seccón 3 del cromosoma el número máxmo de herramentas correctamente posconadas consecutvamente en la Por últmo la puntuacón Sc 3 consdera el uso correcto de puestos de trabajo para esa secuenca de ensamble; y es obtendo al contar, dentro de la seccón 4 del cromosoma, el número máxmo de puestos de trabajo correctamente posconados consecutvamente en la En el modelo genétco propuesto, medante la funcón de apttud (F), se mnmza la ecuacón (2). En el modelo genétco propuesto se mnmza la ecuacón 2, medante la funcón de apttud ( F ). Al hacerse máxma la funcón de apttud, tambén se hace mínma la ecuacón 2. El tempo de fjacón ( Fsj ) ( ), de cambo de herramenta Hsj ( ) Psj cambo de puesto de trabajo ( ) de cambo de orentacón Osj, de y el tempo se mnmzan al hacer máxmas las puntuacones Sc 4, Sc 5, Sc 6 y Sc 9 de la funcón de apttud. 62 Ingenería Mecánca. Vol. 12. No.1, enero-abrl de 2009
5 L. L. omás García Fgura 1. Codfcacón del cromosoma abla No. 1. Sgnfcado de las puntuacones. Sc Sc 1 Sc 2 Sc 3 Sc 4 Sc 5 Sc 6 Sc 7 Sc 8 Sgnfcado Cantdad de componentes ubcados correctamente en la Cantdad de herramentas ubcadas correctamente en la Cantdad de puestos de trabajo ubcados correctamente en la N 1 Cantdad de cambos de dreccón en la N 1 Cantdad de cambos de herramentas en la N 1 Cantdad de cambos de puestos de trabajo en la Cantdad de operacones guales consecutvas en la Cantdad de componentes con relacón funconal consecutvos en la Sc Inverso de la dstanca recorrda 9 debdo al cambo de los puestos de trabajo. La mnmzacón del cambo de orentacón de los objetos, cambo de herramenta y cambo de puesto de trabajo, se evalúan por la puntuacón Sc 4, Sc 5 y Sc 6 respectvamente y se obtenen por las expresones: Donde: Sc 4 = n - n d 1 Sc 5 = n - n h 1 Sc 6 = n - n w - 1 n: es el número de componentes de la n d : representa el número de cambos de dreccón de ensamble en la seccón 2 del cromosoma. n h : representa el número de cambos de herramenta que ocurren en la seccón 3 del cromosoma. n w : representa el número de cambos de puestos de trabajo ocurrdos en la seccón 4 del cromosoma. Por últmo, las puntuacones Sc 7 y Sc 8 representan el número máxmo de operacones de ensamble consecutvas que son smlares y el número máxmo de operacones de ensamble consecutvas que relaconan componentes con dependenca funconal, respectvamente. Estas puntuacones se obtenen por el análss de la seccón 1 del cromosoma, y tene en cuenta el tpo de conexones entre los componentes, la nformacón de la relacón funconal entre los componentes e nformacón obtenda del modelo para dentfcar componentes smlares para el prmer caso. Por últmo, la puntuacón Sc 9 representa el nverso de la dstanca recorrda debdo al cambo de los puestos de trabajo. El sgnfcado de cada puntuacón Sc se muestra en la abla No.1 La evaluacón fnal de la apttud F se obtene de acuerdo a los valores de la puntuacón anteror, por el procedmento lustrado en la fgura 2. Se consderan cuatro stuacones dferentes: Sc 1 < n: esta condcón sgnfca que la secuenca no es posble. La apttud es por tanto calculada de manera que la poblacón evolucone, prmero, haca un mejoramento de la puntuacón Sc 1 y segundo, de las puntuacones Sc 2 y Sc 3 (por medo del factor de ponderacón w 1 ). Ingenería Mecánca. Vol. 12. No.1, enero-abrl de
6 Planfcacón y optmzacón asstda por computadora de secuencas de ensamble mecánco En este momento las contrbucones de las puntuacones de la Sc 4 a la Sc 9 se desechan; Sc 1 = n y Sc 2 < n: esta condcón sgnfca que la secuenca es posble pero una o más herramentas no están correctas. La apttud es por tanto calculada para que la poblacón evolucone, prmero, haca un mejoramento de las puntuacones Sc 1 y Sc 2 y segundo de las puntuacones de la Sc 3 (por medo del factor de ponderacón w 2 ). En este momento las contrbucones de las puntuacones de la Sc 4 a la Sc 9 se desechan; Sc 1 = n, Sc 2 = n y Sc 3 < n: esta condcón sgnfca que la secuenca es posble y las herramentas son correctas, pero uno o más puestos de trabajo no están correctos. La apttud es por tanto calculada para que la poblacón evolucone, prmero, haca un mejoramento de las puntuacones Sc 1, Sc 2 y Sc 3 y segundo de las puntuacones de la Sc 4 a la Sc 9 (por medo del factor de ponderacón w 3 ); Sc 1 = n, Sc 2 = n y Sc 3 = n: en este caso la secuenca es completamente posble y todas las herramentas y los puestos de trabajo son correctos. La apttud se calcula al tomar en cuenta una contrbucón gual de todas las puntuacones Sc 1, Sc 2, Sc 3 y Sc 7. La mnmzacón de los cambos de orentacón, herramenta y de puestos de trabajo se logran por medo de valores adecuados en los factores de ponderacón w d, w h y w t respectvamente. La reduccón de la dstanca recorrda por los cambos de puestos de trabajo se logra por medo del factor de ponderacón w r. Para el caso de maxmzar el número de pezas con relacón funconal que se ensamblan de forma consecutva, se logra por medo de un valor adecuado en el factor de ponderacón w f Fgura 2. Evaluacón de la funcón apttud (F) Vale destacar que para el ejemplo del ensamble de la Fgura 3, se utlzó la bbloteca en C++ de algortmos genétcos GAlb, desarrollada por Mathew Bartsch Wall [5]. En la tabla 2 se muestran las lstas de herramentas de ensamble y de puestos de trabajo váldos para cada componente. La poblacón ncal se completó con copas al azar de las secuencas generadas automátcamente. Los parámetros del algortmo genétco fueron: amaño de poblacón: 30 Probabldad de cruzamento: 45% Probabldad de mutacón: 5% Número de generacones: Ingenería Mecánca. Vol. 12. No.1, enero-abrl de 2009
7 L. L. omás García El número de elementos es n = 20. Los valores de ponderacón w 1, w 2, w 3, w d, w h, w t, w f y w r, fueron: 0.11, 0.13, 0.15, 1, 1, 1, 0 y 1, respectvamente. La utlzacón del operador de cruzamento (PMX) modfcado, durante la evolucón haca la nueva poblacón, garantza que la nueva secuenca representada por el cromosoma contenga una nformacón válda para la secuenca de ensamble descrta en la seccón 1 del msmo. Al realzar el cruzamento se actualzan todas las seccones del cromosoma para los nuevos ndvduos creados producto de este cruzamento. Cada nueva descendenca producto del cruzamento, representa una nueva secuenca de ensamble que es evaluada por la funcón de apttud (F) en dependenca de la factbldad de la secuenca y de los crteros de optmzacón que se han defndo en el modelo genétco por medo de los valores de ponderacón (w 1, w 2, w 3, w d, w h, w t, w f y w r ). La mutacón es controlada para evtar que se ntroduzcan valores no factbles producto de la aplcacón de ese operador. En la seccón 1 del cromosoma la mutacón consste en ntercambar uno de sus genes por otro, ambos selecconados al azar. En el caso de que exstan genes duplcados dentro de la secuenca de la seccón 1 del cromosoma, la mutacón consste en corregr la duplcacón. El cambo realzado producto de la mutacón es segudo por una actualzacón del resto de las otras seccones del cromosoma, para garantzar que la nueva secuenca sea válda tambén en las otras seccones. Para las otras seccones del cromosoma, la mutacón consste en el cambo del valor de un gen, escogdo aleatoramente, por uno de los restantes valores posbles para el msmo, elegdo tambén al azar. La mutacón potenca la dversdad en la poblacón y evta la convergenca haca una solucón local del espaco de solucones. 5. Cromosomas de las secuencas de solucón. La tabla 3 representa 3 solucones ordenadas de forma descendente, para el ensamble de la Fgura 3. Estas son resultado de la optmzacón de las secuencas de ensamble posbles para la Rueda donde se mnmza el cambo de dreccón, cambo de puestos de trabajo y cambos de herramentas, además de agrupar los elementos smlares que se ensamblan de forma consecutva. La secuenca ncal es la de menor valor de apttud F = Esta secuenca consttuye un caso ncal del proceso de optmzacón. Se toma como base para el proceso evolutvo haca una mejor solucón. En esta secuenca hay 4 cambos de puestos de trabajo, 6 cambos de dreccón y 14 cambos de herramentas. Ingenería Mecánca. Vol. 12. No.1, enero-abrl de
8 Planfcacón y optmzacón asstda por computadora de secuencas de ensamble mecáncoa La secuenca optmzada se representa en la fgura 3, es la que mayor valor de la funcón apttud presenta F = En esta secuenca solo hay cuatro cambos de puestos de trabajo, algo que es nevtable debdo a que los elementos 6, 17 A y 17 B del ensamble no pueden ser ensamblados en el puesto de trabajo más común del ensamble (1), según la tabla de lstas de puestos de trabajo. Ocurren ses cambos de dreccón y se agruparon de forma consecutva los ensambles de los ornllos y las Arandelas (18 y 14), los Espárragos y las uercas (10 y 11) y las uercas de las Ruedas (12). En esta secuenca se efectúan 12 cambos de herramentas. Se muestra que todas las secuencas representan solucones factbles al problema, la secuenca de ensamble encontrada es válda y las herramentas y los puestos de trabajo, son posbles a utlzar para cada componente a ensamblar. Estas secuencas son una muestra de las solucones encontradas por el algortmo de optmzacón. Los valores de w d, w h, w t y w r garantzan una gual probabldad de mejoría durante la evolucón de la poblacón. Para el caso de w f no se tene en cuenta el ensamble consecutvo de elementos con relacón funconal. La justfcacón del empleo del método de los Algortmos Genétcos se hace más evdente en productos de mayor complejdad, donde el gran número de alternatvas a analzar, hace que no sea práctco el uso de softwares estándares, n tampoco generar y analzar todas las varantes exstentes. Este método permte la reduccón del tempo computaconal. Con el uso de la funcón de apttud con la cual se evalúan a los ndvduos de la poblacón, se logra, además de garantzar la factbldad tecnológca, la convergenca del método haca secuencas de ensamble optmzadas. 6. Resultados del método. Al utlzar los Algortmos Genétcos para resolver cualquer problema, por ser un método no determnsta, se pueden obtener dstntas solucones para un msmo caso en dstntas ejecucones. Esto ocurre porque, entre otras razones, el azar desempeña un papel mportante en la evolucón de las solucones. A pesar de esto, ncluso para ensambles de gran complejdad, los Algortmos Genétcos no solo son capaces de encontrar una solucón válda, sno que el nvel de cumplmento de los factores de optmzacón es muy elevado. La Fgura 4 muestra 10 corrdas del módulo de optmzacón propuesto, aplcado al ejemplo de la fgura 3, el cual tende a encontrar un máxmo de la funcón de apttud (F) para las restrccones defndas en el modelo de ensamble mecánco. El módulo de optmzacón propuesto, aplcado al ejemplo, tende a encontrar un máxmo de la funcón de apttud (F) para las restrccones defndas en el modelo de ensamble mecánco. El valor máxmo de apttud del mejor ndvduo (98.169), es alcanzado luego de 130 generacones para todas las corrdas del ejemplo. El modelo propuesto se empleó en casos con dferentes nveles de complejdad. En muchos de ellos la mejor solucón era fáclmente determnada por smple nspeccón con lo que se podía verfcar el resultado obtendo, en otros casos de mayor complejdad la mejor solucón era conocda. En todos los casos, el modelo encontró la mejor solucón en menor número de teracones que otros métodos estudados 66 Ingenería Mecánca. Vol. 12. No.1, enero-abrl de 2009
9 L. L. omás García abla No. 3. Solucones para el ensamble Fgura 4. Corrdas del algortmo para el msmo problema En los ensambles de menor número de componentes, el modelo puede llegar a encontrar la solucón óptma, como s se realzara un estudo de todas las posbles secuencas. Para llegar a la mejor solucón, cuando el número de componentes es elevado, la solucón óptma puede no ser alcanzada en un tempo razonablemente corto, debdo a que, el número de generacones y el tempo de cálculo de cada generacón es mayor. A pesar de todo, ncluso para ensambles de gran complejdad, el modelo no solo es capaz de encontrar una solucón válda, sno que el nvel de cumplmento de los factores de optmzacón es muy elevado y cercano a la solucón deal. De todas formas esta pequeña reduccón de la caldad de la solucón, queda compensada con la enorme reduccón en tempo de cálculo. Mentras mayor sea el número de generacones ejecutadas por el método de optmzacón, mayor probabldad exste de encontrar el máxmo de la funcón apttud. Al hacerse máxma la funcón de apttud, se mnmza la funcón objetvo ( Z ), que Ingenería Mecánca. Vol. 12. No.1, enero-abrl de
10 Planfcacón y optmzacón asstda por computadora de secuencas de ensamble mecánco es uno de los objetvos prncpales del método de optmzacón. Al msmo tempo, se garantza la seleccón de las mejores varantes de las herramentas de ensamble y de los puestos de trabajo, según las restrccones mpuestas al modelo de optmzacón y a los valores de ponderacón selecconados por el usuaro 7. Referencas.. 1. BALDWIN, D. F., et al. An ntegrated computer ad for generatng and evaluatng assembly sequences for mechancal product. IEEE rans. Robotcs Automat, 1997, nº p BARSCHI WALL, M. A Genetc Algorthm for Resource-Constraned Schedulng. ess Doctoral. Ingenería Mecánca. MI, Cambrdge, BONNEVILLE, F., et al. A Genetc Algorthm to Generate and Evaluate Assembly Plans. Symp. Of Emergng echnologes Pars, 1995, vol. Oct 10-13, nº p BOOHROYD, G., et al. Desgn for Assembly and Dsassembly. Annals of the CIRP, 1992, vol. 41, nº 2, p CHAKRABARY, S., et al. A Structure-Orented Approach to Assembly Sequence Plannng. exas: Department of Computer Scence, exas A&M Unversty, COELLO COELLO, C. A. wo new GA-based Methods for Multobjectve Optmzaton DINI, G., et al. Generaton of Optmzed Assembly Sequences Usng Genetc Algorthms. Annals of CIRP, 1999, vol. 48, nº p GOIPOLU, R. B., et al. Representaton and Selecton of Assembly Sequences n Computer- Aded Assembly Process Plannng. Int. J. Prod. Res, 1997, vol. 35, nº 12, p KANAI, S., et al. ASPEN Computer-aded Assembly Sequence Plannng and Evaluaton system based on predetermned tme standard. Annals of the CIRP, 1996, vol. 45, nº 1, p KIKUCHI S., E. A. Solvng a Schedule Coordnaton Problem Usng a Fuzzy Control echnque. San Francsco, Calforna: Schedulng System Symp., ORSA-IMS, LAPERRIERE, L., et al. GAPP a Generatve Assembly Process Planner. Journal of Manufacturng Systems, 1996, vol. 15, nº 12. LAOMBE, J. C., et al. Assembly Sequencng wth oleranced Parts. En Proc. of Sold modellng 95 Conf. Salt lake cty, Utah, USA. 13. LAZZERINI, B., et al. A Genetc Algorthm for Generatng Optmal Assembly Plans. Artf. Intell. Engng, 2000, nº p LU, C., et al. An Enhanced Assembly Plannng Approach Usng a Mult-Objectve Genetc Algorthm. Proc. IMechE, 2006, vol. 220, nº p MASCLE, C., et al. Feature Modellng n Assembly Plannng. En Congres de IFIP. Modelsaton et reconnassance de caractrerstques en CFAO, Valencennes REJNERI, N. Détermnaton et smulaton des opératons d'assemblage lors de la concepton de systèmes mécanques. Insttut Natonal Polytechnque de Grenoble, ROMNEY, B., et al. An Effcent System for Geometrc Assembly Generaton and Evaluaton. En Proc. of ASME Int. Computers n engneerng Conf p L. L. omás-garcía Centro de Estudos CAD/CAM, Facultad de Ingenería. Unversdad de Holguín Ave XX Anversaro s/n. Pedra Blanca. Holguín. GP 57, P Cuba E-mal: thomas@cadcam.uho.edu.cu 68 Ingenería Mecánca. Vol. 12. No.1, enero-abrl de 2009
PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesPROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)
ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:
Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesBreve Estudio sobre la Aplicación de los Algoritmos Genéticos a la Recuperación de Información
Breve Estudo sobre la Aplcacón de los Algortmos Genétcos a la Recuperacón de Informacón O. Cordón, F. oya 2,.C. Zarco 3 Dpto. Cencas de la Computacón e I.A. Unv. de Granada. Ocordon@decsa.ugr.es 2 Dpto.
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesMultiobjetivo para Optimizar un Ambiente Job Shop
Informacón Tecnológca Una Vol. 23(1), Metodología 35-46 (2012) Multobetvo para Optmzar un Ambente Job Shop do: 10.4067/S0718-07642012000100005 Ruz Una Metodología Multobetvo para Optmzar un Ambente Job
Más detallesALINEAMIENTO DE DOS SECUENCIAS (pairwise alignment)
ALINEAMIENTO DE DOS SECUENCIAS (parwse algnment) El alneamento de una pareja de secuencas permte cuantfcar el grado de smltud que hay entre ellas y determnar s exste algún tpo de relacón entre ambas. Para
Más detallesPlanificación de la Operación de Corto Plazo de Sistemas de Energía Hidroeléctrica
Planfcacón de la Operacón de Corto Plao de Sstemas de Energía Hdroeléctrca João P. Catalão 1, Sílvo J. Marano 1, Vctor M. Mendes 2 y Luís A. Ferrera 3 (1) Unversdad Bera Interor. Dpto. de Ingenaría Electromecánca.
Más detallesUNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.
UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesUn algoritmo GRASP para resolver el problema de la programación de tareas dependientes en máquinas diferentes (task scheduling)
Un algortmo GRASP para resolver el problema de la programacón de tareas dependentes en máqunas dferentes (tas schedulng) Manuel Tupa Pontfca Unversdad Católca del Perú, Departamento de Ingenería Av. Unverstara
Más detallessergion@fing.edu.uy Centro de Cálculo, Instituto de Computación Facultad de Ingeniería. Universidad de la República, Uruguay.
Una Versón Paralela del Algortmo Evolutvo para Optmzacón Multobjetvo NSGA-II y su Aplcacón al Dseño de Redes de Comuncacones Confables Sergo Nesmachnow sergon@fng.edu.uy Centro de Cálculo, Insttuto de
Más detallesMódulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)
Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,
Más detallesTítulo: Dos métodos de diagnóstico de circuitos digitales de alta y muy alta escala de integración.
Título: Dos métodos de dagnóstco de crcutos dgtales de alta y muy alta escala de ntegracón. Autor: Dr. Ing. René J. Díaz Martnez. Profesor Ttular. Dpto. de Automátca y Computacón. Fac. de Ingenería Eléctrca.
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesEquipo de Algoritmos Evolutivos Multiobjetivo Paralelos
Equpo de Algortmos Evolutvos Multobjetvo Paralelos José Manuel Fernandez Gangreco Cencas y Tecnología - Unversdad Católca Nuestra Señora de la Asuncón Centro Naconal de Computacón - Unversdad Naconal de
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesAnálisis de Sistemas Multiniveles de Inventario con demanda determinística
7 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 00 Análss de Sstemas Multnveles de Inventaro con demanda determnístca B. Abdul-Jalbar, J. Gutérrez, J. Scla Departamento de
Más detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detalles348 -M/R Versión 1 1era. Prueba Parcial 1/6 SEMANA 22 LAPSO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348
348 -M/R Versón 1 1era. Prueba Parcal 1/6 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA: INGENIERÍA MODELO DE RESPUESTA CORREGIDO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348 MOMENTO:
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesDETERMINACIÓN DEL NIVEL DE PRECIOS PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO
DETERMINACIÓN DEL NIVEL DE PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO Galo Nna Análss y Control RESUMEN El obetvo de este trabao es
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesDesarrollo de sistema de control para un manipulador de seis grados de libertad
Memora del Trabajo Fn de Máster realzado por Fdel Pérez Menéndez para la obtencón del título de Máster en Ingenería de Automatzacón e Informátca Industral Desarrollo de sstema de control para un manpulador
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesUn Modelo de Asignación de Recursos a Rutas en el Sistema de Transporte Masivo Transmilenio
Un Modelo de Asgnacón de Recursos a Rutas en el Sstema de Transporte Masvo Transmleno A Model for Resource Assgnment to Transt Routes n Bogota Transportaton System Transmleno Sergo Duarte, Ing., Davd Becerra,
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesTEMA 6 AMPLIFICADORES OPERACIONALES
Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesMECANISMOS ANALIZADOS CON ALGORITMOS GENÉTICOS Y MÉTODOS ANALÍTICOS.
MECANISMOS ANALIZADOS CON ALGORITMOS GENÉTICOS Y MÉTODOS ANALÍTICOS. E. Lugo-González, J. Ramírez-Gordllo, A. T. Velázquez Sánchez, I. Y. Campos Padlla. 1 Insttuto Poltécnco Naconal, Escuela Superor de
Más detallesComparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó
Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor
Más detallesHiperheurística para un problema de equilibrado de líneas de montaje usando Scatter Search
Hperheurístca para un problema de equlbrado de líneas de montaje usando Scatter Search Joaquín Bautsta 1, Elena Fernández 1, José Lus González Velarde 2, Manuel Laguna 3 1 Unverstat Poltècnca de Catalunya,
Más detallesASIGNACIÓN DE LOCALIZACIONES DE ALMACENAMIENTO CONSIDERANDO DISTANCIAS Y TIEMPOS DE ESTADÍA ENTRE PEDIDOS
ASIGNACIÓN DE LOCALIZACIONES DE ALMACENAMIENTO CONSIDERANDO DISTANCIAS Y TIEMPOS DE ESTADÍA ENTRE PEDIDOS Marcela C. González-Araya Departamento de Modelacón y Gestón Industral, Facultad de Ingenería,
Más detallesUn enfoque de inventarios para planear capacidad en redes de telecomunicaciones
Un enfoque de nventaros para planear capacdad en redes de telecomuncacones arlos Alberto Álvarez Herrera, Maurco abrera Ríos Dvsón de Posgrado en Ingenería de Sstemas, FIME-UANL carlos@yalma.fme.uanl.mx,
Más detallesCAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan
CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesHerramientas para el análisis de mapas aplicadas a la selección de un sitio para la deposición de desechos
Herramentas para el análss de mapas aplcadas a la seleccón de un sto para la deposcón de desechos Por: C.J. van Westen Department of Earth Resources Surveys, Internatonal Insttute for Geonformaton Scence
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesProgramación entera, el método del árbol de cubos, su algoritmo paralelo y sus aplicaciones
Programacón entera, el método del árbol de cubos, su algortmo paralelo y sus aplcacones Dr. José Crspín Zavala Díaz, Dr. Vladmr Khachaturov 2 Facultad de Contabldad, Admnstracón e Informátca, jc_zavala2002@yahoo.com
Más detallesALGORITMO DE RANKING DINÁMICO BASADO EN REALIMENTACIÓN IMPLÍCITA
ALGORITMO DE RANKING DINÁMICO BASADO EN REALIMENTACIÓN IMPLÍCITA Javer de la Mata José A. Olvas Jesús Serrano-Guerrero Departamento de Tecnologías y Sstemas de la Informacón. Grupo SMILE. Unversdad de
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesModelo de programación jerárquica de la producción en un Job shop flexible con interrupciones y tiempos de alistamiento dependientes de la secuencia
REVISTA INGENIERÍA E INVESTIGACIÓN VOL. 28 No. 2, AGOSTO DE 2008 (72-79) Modelo de programacón jerárquca de la produccón en un Job shop flexble con nterrupcones y tempos de alstamento dependentes de la
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesCAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS
CAPACIDAD DE LAS OJAS DE CÁLCULO EN EL ANÁLISIS Y OPIMIZACIÓN DE PROCESOS Y SISEMAS A. Rvas y. Gómez-Acebo Departamento de Ingenería Mecánca-Área de Ingenería érmca y de Fludos ECNUN - Escuela Superor
Más detallesDELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID
DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas
Más detallesOPTIMIZACIÓN DE SISTEMAS LINEALES USANDO MÉTODOS DE PUNTO INTERIOR
Scenta et echnca Año X, No 24, Mayo 24. UP. ISSN 122-171 43 OPIMIZACIÓN DE SISEMAS LINEALES USANDO MÉODOS DE PUNO INERIOR RESUMEN La técnca de optmzacón denomnada puntos nterores evolucona por el nteror
Más detallesMetaheuristic optimization algorithm applied to computing of optimal power flow in electrical power networks with mixed integer control variables.
, Vol. 20, No. 3, Dcembre 2013 71-78 Optmzacón metaheurístca aplcada al cálculo del flujo de carga óptmo en redes eléctrcas de potenca con varables de control asocadas de tpo mxto. Alejandro Centeno,a,
Más detallesREVISTA INVESTIGACION OPERACIONAL VOL. 35, NO. 1, 27-34, 2014
REVISA INVESIGACION OPERACIONAL VOL. 35, NO. 1, 7-34, 014 UN ALGORIMO DEL MÉODO DE INEGRACIÓN DE VARIABLES PARA LA SOLUCIÓN DEL PROBLEMA MÁXIMO CLIQUE PONDERADO Gustavo oranzo Lorca* 1 y José Arzola Ruz**
Más detallesExplicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS
Explcacón de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS EMBARGO: 21 de agosto de 2012, 15:00 (CEST) Objetvo angular de 24 mm, con zoom óptco 30x (PowerShot SX500 IS) Desarrollado usando
Más detallesUtilización de Arquitecturas Computacionales No Convencionales para la Codificación y Decodificación de Mensajes
Utlzacón de Arqutecturas Computaconales No Convenconales para la Codfcacón y Decodfcacón de Mensajes BELLO, Emmanuel / CRESCITELLI, Maxmlano / AGÜERO, Matías / VAZQUEZ, Matías MONETTI, Julo UTN Fac. Regonal
Más detallesÍndice de Madurez Tecnológica en el Sector Hotelero
Índce de Madurez Tecnológca en el Sector Hotelero Jaume Jaume Mayol, Antono Tudurí Vla Escuela de Hotelería de las Illes Balears Balears Resumen: El ncremento del uso de las Tecnologías de la Informacón
Más detallesCONTROL PREDICTIVO HÍBRIDO PARA EL PROBLEMA DE RUTEO DINÁMICO DE VEHÍCULOS BASADO EN OPTIMIZACIÓN MULTIOBJETIVO EVOLUCIONARIA (EMO)
CONTROL PREDICTIVO HÍBRIDO PARA EL PROBLEMA DE RUTEO DINÁMICO DE VEHÍCULOS BASADO EN OPTIMIZACIÓN MULTIOBJETIVO EVOLUCIONARIA (EMO) Alfredo Núñez V., Marcela Rquelme H., Dors Sáez H. Departamento de Ingenería
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesTEMA 5: SISTEMAS ARITMÉTICOS Y LÓGICOS.
TENOLOÍ DE OMUTDORES URSO 7/8 Inocente Sánchez udad TEM 5: SISTEMS RITMÉTIOS Y LÓIOS 5 Sumadores bnaros as todo se hace con sumas: sumas, restas, productos, oncepto de acarreo 5 Semsumador Half dder (H)
Más detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
Más detallesMECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)
MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman
Más detallesControl de Inventarios y su Aplicación en una Compañía de Telecomunicaciones
Control de Inventaros y su Aplcacón en una Compañía de Telecomuncacones Carlos Alberto Álvarez Herrera, Maurco Cabrera-Ríos * Dvsón de Posgrado en Ingenería de Sstemas, FIME-UANL {carlos@yalma.fme.uanl.mx,
Más detallesUN ALGORITMO VORAZ PARA RESOLVER EL PROBLEMA DE LA PROGRAMACIÓN DE TAREAS DEPENDIENTES EN MÁQUINAS DIFERENTES
RISI 1(1), 9-18 (2004) Rev nvestg sst nform Facultad de Ingenería de Sstemas e Informátca Unversdad Naconal Mayor de San Marcos ISSN: 1815-0268 (mpreso) MANUEL TUPIA et al ARTÍCULOS UN ALGORITMO VORAZ
Más detallesSimulador Convertidores DC-DC
Dept d'eng. Electrònca, Elèctrca, Automàtca (DEEEA) Escola Tècnca Superor d'engnyera (ETSE) Unverstat ovra rgl (U) Proyecto Fnal de arrera Smulador onvertdores D-D AUTO: íctor Galera Ortega DIETO: Abdelal
Más detallesUnidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI
Undad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI 3.1. DINÁMICA DE LA GESTIÓN DE PROYECTOS. 3.1.1. GESTIÓN DE PROYECTOS. La gestón
Más detallesAplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa
Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones
Más detallesAlgunos métodos de clasificación de puestos de trabajo en la empresa
lgunos métodos de clasfcacón de puestos de trabajo en la empresa. lgunos métodos de clasfcacón de puestos de trabajo en la empresa Canós Darós, Lourdes, loucada@omp.upv.es Pers Ortz, Marta, marpeor1@omp.upv.es
Más detallesMODELOS DE SECUENCIACIÓN EN MÁQUINAS 1
odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas
Más detallesUNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II
UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con
Más detallesTeléfono: (52)-55-5329-7200 Ext. 2432
Sstema de Montoreo Autónomo Basado en el Robot Móvl Khepera Jorge S. Benítez Read 1, Erck Rojas Ramírez 2 y Tonatuh Rvero Gutérrez Insttuto Naconal de Investgacones Nucleares Carretera Méxco-Toluca s/n,
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesUn algoritmo de satisfactibilidad para el problema de Job Shop scheduling
Un algortmo de satsfactbldad para el problema de Job Shop schedulng Marco Antono Cruz Chávez 1, Juan Frausto Solís 2, Davd Juárez 3 1 UAEM Av. Unversdad 1001 Col. Chamlpa C.P. 62210 Cuernavaca Morelos,
Más detallesUn modelo sencllo, dsponble y seguro Kontratazo publko elektronkoa públca electrónca Lctacones de Prueba: la mejor forma de conocer y domnar el Sstema de Lctacón Electrónca www.euskad.net/contratacon OGASUN
Más detallesCentro Nacional de Investigación y Desarrollo Tecnológico
cnológco Subsecretaría de Educacón Superor Dreccón General de Educacón Superor Tecnológca Coordnacón Sectoral Académca Dreccón de Estudos de Posgrado e Investgacón Centro Naconal de Investgacón y Desarrollo
Más detallesSISTEMA DE RECONOCIMIENTO DE ROSTROS
SISTEMA DE RECONOCIMIENTO DE ROSTROS Categoría: Pre-grado - Alumno Área Temátca: Ingenería de Sstemas Procesamento Dgtal de Imágenes Autor Sandra María Vlla Palacos Unversdad Peruana de Cencas Aplcadas
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detallesCONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE
BOLETÍN OFICIAL DE CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE SECRETARÍA GENERAL Correccón errores al anunco publcado en el Boletín Ofcal Cantabra número 72 17 abrl 2015, aprobacón la Orn ECD/48/2015,
Más detallesMODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO
MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO INTRODUCCION Gestón de Servcos de TI: Entrega de servcos de TI, que cumplan con los requstos del negoco, de una caldad aceptable
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detalles1.- Elegibilidad de estudiantes. 2.- Selección de estudiantes - 2 -
Unversdad Euskal Herrko del País Vasco Unbertstatea NORMATIVA PARA SOCRATES/ERASMUS Y DEMÁS PROGRAMAS DE MOVILIDAD AL EXTRANJERO DE ALUMNOS (Aprobada en Junta de Facultad del día 12 de marzo de 2002) La
Más detallesUn Sistema de Recuperación de Información Estructurada
Un Sstema de Recuperacón de Informacón Estructurada Jesús Vegas Pablo de la Fuente Dpto. de Informátca, Unversdad de Valladold Campus Mguel Delbes, 47011 Valladold, España {jvegas,pfuente}@nfor.uva.es
Más detalles